KR102297195B1 - 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 - Google Patents
개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 Download PDFInfo
- Publication number
- KR102297195B1 KR102297195B1 KR1020210034885A KR20210034885A KR102297195B1 KR 102297195 B1 KR102297195 B1 KR 102297195B1 KR 1020210034885 A KR1020210034885 A KR 1020210034885A KR 20210034885 A KR20210034885 A KR 20210034885A KR 102297195 B1 KR102297195 B1 KR 102297195B1
- Authority
- KR
- South Korea
- Prior art keywords
- population
- cell
- density variation
- density
- raster data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004088 simulation Methods 0.000 title claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 44
- 239000006185 dispersion Substances 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000003780 insertion Methods 0.000 claims abstract description 11
- 230000037431 insertion Effects 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000013508 migration Methods 0.000 claims description 10
- 230000005012 migration Effects 0.000 claims description 10
- 241000282412 Homo Species 0.000 claims description 8
- 230000001617 migratory effect Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 description 14
- 238000009792 diffusion process Methods 0.000 description 9
- 241000894007 species Species 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009545 invasion Effects 0.000 description 4
- 230000001850 reproductive effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/40—Monitoring or fighting invasive species
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것으로, 본 발명에 따르면, 개체군 분산 모사 모델 기반 개체군 분산 예측 장치에 있어서, 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치를 제공할 수 있다.
또한 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 있어서, 상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법을 제공할 수 있다.
또한 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 있어서, 상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법을 제공할 수 있다.
Description
본 발명은 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것으로, 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사함으로써, 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 하는 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것이다.
최근 기후 변화, 환경 교란 등으로 외래생물이 침입하여 생물다양성 훼손 및 질병 유발 등으로 인해사회, 경제적 손실이 막심하여 대책이 시급한 상황이다.
그러나 외래생물 침입은 많은 요인이 관계되고 복잡하게 전개되므로 객관적인 예측이나 예후를 판단하기에 어려움이 있다.
또한 외래생물뿐 아니라, 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측하여 적절한 관리대책을 적용하는 등 과학적 기술을 활용한 체계적 관리의 중요성이 높아지는 실정이다.
종래의 종 분포를 예측하는 모델들 중 기계지능, 서식처선호모델 등은 자료 기반으로 지역에 따른 종의 분포를 예측하고 있어, 개체군 동태 기작을 고려하지 않으므로 객관적인 예측에 한계가 있다.
이러한 문제를 해결하기 위하여, 기작을 고려하는 모델이 개발되었으나, 확산 방정식 등의 수학적인 공식에 의거하여 시공간에 대한 평균적인 값을 제공할 뿐, 공간명시적으로 각 장소에 대한 국소적 정보는 제공할 수 없는 한계가 있다.
따라서 확산 기작을 고려한 모델을 통하여 객관적으로 개체군 분산 양상을 제시할 뿐만 아니라 국소적 정보도 동시에 제공하여 효과적으로 관리 대책을 수립하거나 모니터링할 수 있도록 하는 기술에 대한 개발이 필요하다.
종래의 기술로 한국등록특허 제10-0750749호(발명의 명칭: GIS를 이용한 식물자원 수량화 방법)이 공개되어 있다.
상기와 같은 문제를 해결하고자, 본 발명은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사함으로써, 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 하는 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법을 제공하는데 목적이 있다.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치는 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치를 제공할 수 있다.
여기서, 상기 최초 조건은 상기 개체군 래스터 데이터에서 각 셀의 현재 밀도(Ni(t))이며, 상기 셀은 상기 개체군 레스터 데이터에서 설정된 공간적인 단위인 것을 특징으로 한다.
또한 상기 최초 조건에서 각 셀의 현재 밀도(Ni(t))는, 사용자에 의해 설정되거나, 상기 출력부로부터 상기 개체군 래스터 데이터를 통해 도출되는 것을 특징으로 한다.
또한 상기 파라메터는 개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함하는 것을 특징으로 한다.
한편, 상기 출력부는 상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 한다.
또한 상기 출력부는 상기 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이 및 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이를 이용하여 도출하는 것을 특징으로 한다.
또한 상기 출력부는 상기 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 자연적인 개체군 밀도 변이를 구하는 것을 특징으로 한다.
또한 상기 출력부는 상기 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 인간포획 밀도 변이를 구하는 것을 특징으로 한다.
또한 상기 출력부는 상기 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 상기 이동 밀도 변이를 구하는 것을 특징으로 한다.
또한 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법은 상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법을 제공할 수 있다.
또한 상기 출력단계는 상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 한다.
또한 상기 출력단계는 상기 전체 개체군 밀도 변이를 하기 수학식 1을 통해 도출하는 것을 특징으로 한다.
[수학식 1]
(여기서, t는 시간, dNi는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, dNmoving,i는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이임)
또한 상기 출력단계는 상기 자연적인 개체군 밀도 변이를 하기 수학식 2를 통해 구하는 것을 특징으로 한다.
[수학식 2]
(여기서, t는 시간, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도임)
또한 상기 출력단계는 상기 인간포획 밀도 변이를 하기 수학식 3을 통해 구하는 것을 특징으로 한다.
[수학식 3]
(여기서, t는 시간, dNcapture,i는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도임)
또한 상기 출력단계는 상기 이동 밀도 변이를 하기 수학식 4를 통해 구하는 것을 특징으로 한다.
[수학식 4]
(여기서, t는 시간, dNmoving,i는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀간의 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도, j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성임)
상기와 같은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사할 수 있다.
이에 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
또한 각 위치에 대해 국소적으로 기작 규칙을 제시 한 후 다시 종합함으로써, 공간명시적으로 각 장소에 대한 국소적 정보를 제공함과 동시에 개체군 전체의 분산 양태에 대한 광역적 정보도 제공할 수 있다.
또한 기작에 의거하므로 가상증강현실 구현에 용이하며, 실제 침입에 고려될 수 있는 알리효과, 개체군 수용한도, 공간적 이동율과 함께 인간의 포획효과를 동시에 고려하기 때문에, 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
도 1은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 도시한 블록도.
도 2는 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법을 나타낸 흐름도.
도 3은 도 2의 S100 단계를 순차적으로 나타낸 흐름도.
도 4는 도 3의 S110 단계에서 환경자료 레이어가 입력된 모습을 나타낸 화면예시도.
도 5는 도 3의 S120 단계를 통해 계산 영역이 설정된 모습을 나타낸 화면예시도.
도 6은 도 3의 S130 단계를 통해 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 7은 도 2의 S200 단계를 통해 개체군 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 8은 도 2의 S300 단계를 순차적으로 나타낸 흐름도.
도 9는 도 8의 S320 단계에서 개체군 분산 데이터가 출력된 모습을 나타낸 화면예시도.
도 2는 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법을 나타낸 흐름도.
도 3은 도 2의 S100 단계를 순차적으로 나타낸 흐름도.
도 4는 도 3의 S110 단계에서 환경자료 레이어가 입력된 모습을 나타낸 화면예시도.
도 5는 도 3의 S120 단계를 통해 계산 영역이 설정된 모습을 나타낸 화면예시도.
도 6은 도 3의 S130 단계를 통해 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 7은 도 2의 S200 단계를 통해 개체군 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 8은 도 2의 S300 단계를 순차적으로 나타낸 흐름도.
도 9는 도 8의 S320 단계에서 개체군 분산 데이터가 출력된 모습을 나타낸 화면예시도.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 발명에서 장치 및 방법은 유선통신망을 통해 통신하는 컴퓨터 등의 단말기에서 제공됨이 바람직하나, 무선통신망을 통해 통신하는 태블릿 등을 포함하는 이동통신 단말기에서도 제공될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법을 상세히 살펴보기로 한다.
도 1은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 도시한 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치(1)는 통합부(10), 삽입부(20) 및 출력부(30)를 포함할 수 있다.
통합부(10)는 지리정보시스템(Geographic Information System, GIS)을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성할 수 있다.
상기 지리정보시스템(Geographic Information System, GIS)은 최근 사이버 국토 관리라는 일명아래 분포의 특성을 가진 모든 공간적 형상의 지리정보를 처리하고, 이를 수치화하여 지도 상에 기입함으로써 관리할 수 있도록 구현된 시스템이다.
여기서 통합부(10)는 입력된 환경자료 레이어가 다수일 경우, 환경자료 레이어에 따른 각 환경 요인에 대한 선호성을 통합시켜 셀(공간 단위) 당 하나의 환경 선호성을 가지도록 처리할 수 있다.
이때 환경자료 레이어는 셀(공간 단위) 당 해당 환경 요인의 선호성를 포함할 수 있다.
예를 들어, 입력된 환경자료 레이어에 따라 수계와 산림이 환경 요인이 되고, 하나의 셀에서 해당 개체군에 대한 수계와 산림의 선호성은 각각 1.0, 0이라고 한다면, 해당 셀의 환경 선호성은 (1.0+0.0)/2로 계산되어 0.5가 될 수 있다.
또한 통합부(10)는 환경 선호성을 계산할 시, 각 환경요인의 선호성에 가중치를 부여할 수 있는데 래스터 또는 래스터 계산기 등을 이용하여 가중치를 부여할 수 있다.
삽입부(20)는 통합부(10)에서 생성된 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성할 수 있다.
최초 개체군 레이어는 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수 등의 개체군에 대한 정보일 수 있다.
출력부(30)는 삽입부(20)에서 생성된 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력할 수 있다. 이에 개체군 분산과 확산 변화를 예측하여 적절한 관리대책이 가능하도록 할 수 있다.
여기서, 최초 조건은 개체군 래스터 데이터에서 각 셀(i)의 현재 밀도(Ni(t))이며, 셀(i)은 개체군 레스터 데이터에서 설정된 공간적인 단위일 수 있다.
시간(t)의 변화에 따른 각 셀의 현재 밀도는 하기 수학식 5와 같이 정의 될 수 있다.
[수학식 5]
이러한 각 셀의 현재 밀도(Ni(t))는 사용자에 의해 설정되거나, 출력부(30)가 개체군 래스터 데이터를 통해 도출하여 설정할 수도 있다.
또한 파라메터는 개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함할 수 있고, 모두 포함하는 것이 바람직하나, 이에 한정되지는 않는다.
각 셀간의 개체군 이동 확률(Rm)은 각 셀에서 다른 셀로 이동하는 확률이고, 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)은 이웃 셀로부터 환경선호성에 따라 이동해 오는 비율이다.
이러한 파라메터는 사용자로부터 입력받아 설정될 수 있다.
출력부(30)는 상기와 같은 최초 조건과 파라메터를 통해 개체군 분산 데이터를 획득함으로서, 실제 침입에 고려될 수 있는 요인들을 적용하여 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
구체적으로, 출력부(30)는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다.
여기서 출력부(30)는 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 인간포획 밀도 변이 및 이동 밀도 변이를 이용하여 도출할 수 있는데, 하기 수학식 1을 통해 도출할 수 있다.
[수학식 1]
여기서, t는 시간, dNi는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i는 인간포획 밀도 변이, dNmoving,i는 이동 밀도 변이이다.
인간포획 밀도 변이(dNcapture,i)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이일 수 있고, 이동 밀도 변이(dNmoving,i)는 각 셀에서 다른 셀로 이동하는 개체군 밀도 변이일 수 있다.
또한 출력부(30)는 전체 개체군 밀도 변이를 도출하는데 사용되는 각 셀에서 자연적인 개체군 밀도 변이를 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 구할 수 있다.
보다 구체적으로, 수학식 2를 통해 구할 수 있다.
[수학식 2]
여기서, t는 시간, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도이다.
또한 출력부(30)는 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 인간포획 밀도 변이를 구할 수 있는데, 하기 수학식 3을 통해 구할 수 있다.
[수학식 3]
여기서, t는 시간, dNcapture,i는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도이다.
또한 출력부(30)는 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 하기 수학식 4와 같이 이동 밀도 변이를 구할 수 있다.
[수학식 4]
여기서, t는 시간, dNmoving,i는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀에서 다른 셀로 이동하는 확률인 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도이다.
또한 j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성이다.
이에 -RmNi(t)는 해당 셀에서 다른 셀로 이동하는 밀도 변이일 수 있으며, 
는 환경선호성에 따라 이웃 셀로부터 해당 셀로 이동해 오는 밀도 변이일 수 있다.
이와 같이 각 셀의 이동 밀도 변이는 해당 셀에서 다른 셀로 이동하는 개체군과 이웃 셀에서 이동해 오는 개체군에 따라 결정될 수 있다.
이에 출력부(30)는 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있는데, 모사횟수에 따라 개체군 분산 데이터를 출력할 수 있다.
이와 같이 출력부(30)는 개체군 분산 데이터를 사용자에게 제공하여 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
이러한 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 대하여 하기에서 구체적으로 설명하기로 한다.
도 2는 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법을 나타낸 흐름도이고, 도 3은 도 2의 S100 단계를 순차적으로 나타낸 흐름도이고, 도 4는 도 3의 S110 단계에서 환경자료 레이어가 입력된 모습을 나타낸 화면예시도이고, 도 5는 도 3의 S120 단계를 통해 계산 영역이 설정된 모습을 나타낸 화면예시도이고, 도 6은 도 3의 S130 단계를 통해 래스터 데이터가 생성된 모습을 나타낸 화면예시도이고, 도 7은 도 2의 S200 단계를 통해 개체군 래스터 데이터가 생성된 모습을 나타낸 화면예시도이고, 도 8은 도 2의 S300 단계를 순차적으로 나타낸 흐름도이며, 도 9는 도 8의 S320 단계에서 개체군 분산 데이터가 출력된 모습을 나타낸 화면예시도이다.
도 2를 참조하면, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법은 설정단계(S100), 개체군삽입단계(S200) 및 출력단계(S300)를 포함할 수 있다.
먼저, 설정단계(S100)는 개체군 분산 예측 장치(1)가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성할 수 있다.
도 3을 참조하면, S100 단계는 조건입력단계(S110), 계산영역설정단계(S120) 및 래스터화단계(S130)를 포함할 수 있다.
조건입력단계(S110)는 개체군 분산 예측 장치(1)가 지리정보시스템을 기반으로 도 4와 같이 환경자료 레이어를 입력받을 수 있다. 이때 사용자로부터 원하는 환경조건(예, 산림, 수계 등)을 선택받아 환경자료 레이어로 변형한 후 입력받을 수 있다.
또한 S110 단계는 입력된 환경자료 레이어가 다수일 경우, 환경자료 레이어에 따른 각 환경 요인에 대한 선호성을 통합시켜 셀(공간 단위) 당 하나의 환경 선호성을 가지도록 처리할 수 있다.
계산영역설정단계(S120)는 좌표 등을 입력받거나 환경자료 레이어에서 블록(범위)을 설정하는 것으로 계산 영역을 설정 받아 도 5와 같이 계산 영역이 설정될 수 있다.
래스터화단계(S130)는 계산 영역에 따라 입력된 환경자료 레이어를 래스터화하여 도 6과 같이 래스터 데이터를 생성할 수 있다.
개체군삽입단계(S200)는 래스터 데이터에 최초 개체군 레이어를 삽입하여 도 7과 같이 개체군 래스터 데이터를 생성할 수 있다.
출력단계(S300)는 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력할 수 있다.
S300 단계는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다.
도 8을 참조하면, S300 단계는 조건입력단계(S310) 및 분산데이터출력단계(S320)를 포함할 수 있다.
조건입력단계(S310)는 최초 조건과 파라메터를 입력받을 수 있다. 이때, 최초 조건은 사용자에게 입력받을 수 있으나, 개체군 분산 예측 장치(1)가 개체군 래스터 데이터를 통해 도출하여 설정할 수도 있다. 또한 파라메터도 사용자에게 입력받아 설정될 수 있다.
분산데이터출력단계(S320)는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다. 이루어지는 과정에 대해서는 상기 장치에서 구체적으로 설명하였으므로, 자세한 설명은 생략하기로 한다.
상기에서 설명한 바와 같이, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사할 수 있다.
이에 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
또한 각 위치에 대해 국소적으로 기작 규칙을 제시 한 후 다시 종합함으로써, 공간명시적으로 각 장소에 대한 국소적 정보를 제공함과 동시에 개체군 전체의 분산 양태에 대한 광역적 정보도 제공할 수 있다.
또한 기작에 의거하므로 가상증강현실 구현에 용이하며, 실제 침입에 고려될 수 있는 알리효과, 개체군 수용한도, 공간적 이동율과 함께 인간의 포획효과를 동시에 고려하기 때문에, 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
이상으로 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고 다른 구체적인 형태로 실시할 수 있다는 것을 이해할 수 있을 것이다. 따라서 이상에서 기술한 실시예는 모든 면에서 예시적인 것이며 한정적이 아닌 것이다.
1: 개체군 분산 예측 장치
10: 통합부
20: 삽입부
30: 출력부
10: 통합부
20: 삽입부
30: 출력부
Claims (15)
- 개체군 분산 모사 모델 기반 개체군 분산 예측 장치에 있어서,
지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부;
상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및
상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하고,
상기 최초 조건은,
상기 개체군 래스터 데이터에서 각 셀의 현재 밀도(Ni(t))이며,
상기 셀은,
상기 개체군 래스터 데이터에서 설정된 공간적인 단위인 것을 특징으로 하는 개체군 분산 예측 장치.
- 삭제
- 제1항에 있어서,
상기 최초 조건에서 각 셀의 현재 밀도(Ni(t))는,
사용자에 의해 설정되거나, 상기 출력부로부터 상기 개체군 래스터 데이터를 통해 도출되는 것을 특징으로 하는 개체군 분산 예측 장치.
- 개체군 분산 모사 모델 기반 개체군 분산 예측 장치에 있어서,
지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부;
상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및
상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하고,
상기 파라메터는,
개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 제4항에 있어서,
상기 출력부는,
상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 제5항에 있어서,
상기 출력부는,
상기 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이 및 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이를 이용하여 도출하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 제6항에 있어서,
상기 출력부는,
상기 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 자연적인 개체군 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 제6항에 있어서,
상기 출력부는,
상기 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 인간포획 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 제6항에 있어서,
상기 출력부는,
상기 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 상기 이동 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
- 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 있어서,
상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계;
상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및
상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하고,
상기 출력단계는,
상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 하는 개체군 분산 예측 방법.
- 삭제
- 제10항에 있어서,
상기 출력단계는,
상기 전체 개체군 밀도 변이를 하기 수학식 1을 통해 도출하는 것을 특징으로 하는 개체군 분산 예측 방법.
[수학식 1]
(여기서, t는 시간, dNi는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, dNmoving,i는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이임)
- 제12항에 있어서,
상기 출력단계는,
상기 자연적인 개체군 밀도 변이를 하기 수학식 2를 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
[수학식 2]
(여기서, t는 시간, dNnatural,i는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도임)
- 제12항에 있어서,
상기 출력단계는,
상기 인간포획 밀도 변이를 하기 수학식 3을 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
[수학식 3]
(여기서, t는 시간, dNcapture,i는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도임)
- 제12항에 있어서,
상기 출력단계는,
상기 이동 밀도 변이를 하기 수학식 4를 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
[수학식 4]
(여기서, t는 시간, dNmoving,i는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀간의 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도, j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성임)
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210034885A KR102297195B1 (ko) | 2021-03-17 | 2021-03-17 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
| PCT/KR2022/002019 WO2022196945A1 (ko) | 2021-03-17 | 2022-02-10 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210034885A KR102297195B1 (ko) | 2021-03-17 | 2021-03-17 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102297195B1 true KR102297195B1 (ko) | 2021-09-01 |
Family
ID=77779827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210034885A KR102297195B1 (ko) | 2021-03-17 | 2021-03-17 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102297195B1 (ko) |
| WO (1) | WO2022196945A1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114138926A (zh) * | 2022-01-27 | 2022-03-04 | 中国测绘科学研究院 | 一种人口分布格网大小确定方法及系统 |
| WO2022196945A1 (ko) * | 2021-03-17 | 2022-09-22 | 국립생태원 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
| KR20230150219A (ko) * | 2022-04-21 | 2023-10-30 | 고려대학교 산학협력단 | 생태계 멸종 위험 진단 시스템 및 이의 동작방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100093155A (ko) * | 2009-02-16 | 2010-08-25 | 유빈스 주식회사 | 환경정보 제공 시스템 |
| KR20120054985A (ko) * | 2010-11-22 | 2012-05-31 | 한국과학기술원 | 단일 차원 군집 분석의 분산처리를 이용한 대용량 데이터의 군집 분석 시스템, 방법 및 이를 위한 기록 매체 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7933897B2 (en) * | 2005-10-12 | 2011-04-26 | Google Inc. | Entity display priority in a distributed geographic information system |
| KR100862689B1 (ko) * | 2007-03-28 | 2008-10-10 | 한국화학연구원 | 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체 |
| KR20110114285A (ko) * | 2010-04-13 | 2011-10-19 | 한국지질자원연구원 | 지리정보시스템 및 확률기법을 이용한 갯벌 저서생물 분포 예측시스템 및 이를 이용한 갯벌 저서생물 분포 예측방법 |
| KR102297195B1 (ko) * | 2021-03-17 | 2021-09-01 | 국립생태원 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
-
2021
- 2021-03-17 KR KR1020210034885A patent/KR102297195B1/ko active IP Right Grant
-
2022
- 2022-02-10 WO PCT/KR2022/002019 patent/WO2022196945A1/ko active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100093155A (ko) * | 2009-02-16 | 2010-08-25 | 유빈스 주식회사 | 환경정보 제공 시스템 |
| KR20120054985A (ko) * | 2010-11-22 | 2012-05-31 | 한국과학기술원 | 단일 차원 군집 분석의 분산처리를 이용한 대용량 데이터의 군집 분석 시스템, 방법 및 이를 위한 기록 매체 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022196945A1 (ko) * | 2021-03-17 | 2022-09-22 | 국립생태원 | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 |
| CN114138926A (zh) * | 2022-01-27 | 2022-03-04 | 中国测绘科学研究院 | 一种人口分布格网大小确定方法及系统 |
| KR20230150219A (ko) * | 2022-04-21 | 2023-10-30 | 고려대학교 산학협력단 | 생태계 멸종 위험 진단 시스템 및 이의 동작방법 |
| KR102646407B1 (ko) | 2022-04-21 | 2024-03-11 | 고려대학교 산학협력단 | 생태계 멸종 위험 진단 시스템 및 이의 동작방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022196945A1 (ko) | 2022-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102297195B1 (ko) | 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 | |
| KR101960504B1 (ko) | 전염병 확산 예측 모델링 장치 및 방법 | |
| US11270497B2 (en) | Object loading method and apparatus, storage medium, and electronic device | |
| Barber et al. | Target‐group backgrounds prove effective at correcting sampling bias in Maxent models | |
| Engler et al. | MigClim: predicting plant distribution and dispersal in a changing climate | |
| Neema et al. | Multi-objective location modeling of urban parks and open spaces: continuous optimization | |
| White et al. | High-resolution integrated modelling of the spatial dynamics of urban and regional systems | |
| Årevall et al. | Conditions for successful range shifts under climate change: The role of species dispersal and landscape configuration | |
| CN112784002B (zh) | 一种虚拟场景生成方法、装置、设备和存储介质 | |
| US20190220969A1 (en) | Information processing device, data structure, information processing method, and non-transitory computer readable storage medium | |
| CN107003834B (zh) | 行人检测设备和方法 | |
| JP2020533679A5 (ko) | ||
| Liu et al. | Simulating urban expansion using an improved SLEUTH model | |
| Hysen et al. | Background sampling for multi-scale ensemble habitat selection modeling: Does the number of points matter? | |
| KR20090102311A (ko) | 수치지도를 이용한 산사태 발생지 예측 시스템 | |
| Valcu et al. | RangeMapper: A platform for the study of macroecology of life‐history traits | |
| Baccour et al. | RL-PDNN: Reinforcement learning for privacy-aware distributed neural networks in IoT systems | |
| Huerta | Fragmentation patterns and implications for biodiversity conservation in three biosphere reserves and surrounding regional environments, northeastern Mexico | |
| Bioco et al. | SDSim: a generalized user friendly web ABM system to simulate spatiotemporal distribution of species under environmental scenarios | |
| CN115550373A (zh) | 基于云平台管控的联合试验任务环境负载均衡建模方法 | |
| Diniz-Filho et al. | Geographically weighted regression as a generalized Wombling to detect barriers to gene flow | |
| Antoniuk et al. | Procedural generation of adjustable terrain for application in computer games using 2D maps | |
| CN113015179B (zh) | 基于深度q网络的网络资源选择方法、装置以及存储介质 | |
| Al-Ageili et al. | Remote Sensing, Gis and Cellular Automata for Urban Growth Simulation. | |
| CN110245326A (zh) | 基于神经网络的数据估算方法、设备、存储介质及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |